CN111915211A - 一种电力资源调度方法、装置和电子设备 - Google Patents

一种电力资源调度方法、装置和电子设备 Download PDF

Info

Publication number
CN111915211A
CN111915211A CN202010801985.3A CN202010801985A CN111915211A CN 111915211 A CN111915211 A CN 111915211A CN 202010801985 A CN202010801985 A CN 202010801985A CN 111915211 A CN111915211 A CN 111915211A
Authority
CN
China
Prior art keywords
sample
load
cluster
clusters
target
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202010801985.3A
Other languages
English (en)
Other versions
CN111915211B (zh
Inventor
张行
方健
刘育权
王红斌
莫文雄
覃煜
何嘉兴
林浩博
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangzhou Power Supply Bureau of Guangdong Power Grid Co Ltd
Original Assignee
Guangzhou Power Supply Bureau of Guangdong Power Grid Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Guangzhou Power Supply Bureau of Guangdong Power Grid Co Ltd filed Critical Guangzhou Power Supply Bureau of Guangdong Power Grid Co Ltd
Priority to CN202010801985.3A priority Critical patent/CN111915211B/zh
Publication of CN111915211A publication Critical patent/CN111915211A/zh
Application granted granted Critical
Publication of CN111915211B publication Critical patent/CN111915211B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Health & Medical Sciences (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Development Economics (AREA)
  • Quality & Reliability (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Educational Administration (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Game Theory and Decision Science (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Operations Research (AREA)
  • General Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明公开了一种电力资源调度方法、装置和电子设备，包括：获取预置终端在目标时段的多个负荷样本；按照预设状态指标对多个负荷样本进行聚类，生成n个初始状态聚类簇；计算每个初始状态聚类簇中的每个负荷样本的样本相关度；根据样本相关度对n个初始状态聚类簇进行更新，生成n个目标状态聚类簇；对每个目标状态聚类簇中的多个负荷样本进行聚类，生成多个样本簇；将负荷样本的数量大于预设阈值的样本簇的负荷样本中心确定为目标负荷样本；根据n个目标状态聚类簇的目标负荷样本的峰值，确定预置终端的可调度电力；基于可调度电力，调整输出到预置终端的电力资源。能够准确确定预置终端的可调度电力，更为有效保障其他终端的供电需求。

Description

一种电力资源调度方法、装置和电子设备
技术领域
本发明涉及电力系统自动化技术领域，尤其涉及一种电力资源调度方法、装置和电子设备。
背景技术
随着能源互联网的提出，全面部署泛在电力物联网建设是实现能源互联网的核心任务，建设初期需实现业务协同和数据贯通，初步实现统一物联管理。随着分布式电源、储能、电动汽车、负荷聚合平台等新型能源及用能设备大量接入，负荷侧设备的更加多元化，用户不再仅仅是末端用电负荷，可以通过负荷侧管理实现与调度机构互动。
当电力系统受到极端事件下的故障扰动,系统的有功功率难以保持供需平衡,此时，充分挖掘负荷侧柔性价值，可以达到降低系统运行水平，增加备用容量，保证重要负荷安全稳定运行的作用。其中，工业用户用电量较大，参与需求侧响应的积极性较高，具有较大的可调控电力。通过对工业用户用电曲线的特性分析获取其多种可调度特性，指导工业用户可调控电力的挖掘和应用。
为此，现有技术中通常使用直接聚类的方式，选取反映用电状况的指标，通过权重系数控制每个指标对聚类结果的影响，采用聚类结果中各个类别的平均曲线作为工业用户的各种典型曲线。但上述方法中反映用电状况的指标包括负荷水平和负荷特征，相对于负荷水平来说，负荷特征对聚类结果的影响不能太大，也不可以没有，难以用权重去把控。而且根据聚类的结果去解读各种聚类的含义，很多情况下并不能和实际情况逐一对应，造成聚类结果意义不明，无法准确确定电网调度的电力，进而导致电力分配不均。
发明内容
本发明提供了一种电力资源调度方法、装置和电子设备，解决了现有技术中无法准确使用权重结合聚类结果反映用电状况，难以准确确定电网调度电力，进而导致电力分配不均的技术问题。
本发明提供的一种电力资源调度方法，包括：
获取预置终端在目标时段的多个负荷样本；
按照预设状态指标对多个所述负荷样本进行聚类，生成n个初始状态聚类簇，n≥1，n为正整数；
计算每个所述初始状态聚类簇中的每个所述负荷样本的样本相关度；
根据所述样本相关度对n个所述初始状态聚类簇进行更新，生成n个目标状态聚类簇；
对每个所述目标状态聚类簇中的多个负荷样本进行聚类，生成多个样本簇；
将所述负荷样本的数量大于预设阈值的样本簇的负荷样本中心确定为目标负荷样本；
根据n个所述目标状态聚类簇的目标负荷样本的峰值，确定所述预置终端的可调度电力；
基于所述可调度电力，调整输出到所述预置终端的电力资源。
可选地，所述预设状态指标包括i个第一状态类别和j个第二状态类别；所述按照预设状态指标对多个所述负荷样本进行聚类，生成n个初始状态聚类簇，n≥1，n为正整数的步骤，包括：
按照所述i个第一状态类别对多个所述负荷样本进行聚类，生成i个第一状态聚类簇；i≥1，i为正整数；
按照所述j个第二状态类别对每个所述第一状态聚类簇中的多个所述负荷样本进行聚类，生成n个初始状态聚类簇；j≥1，j为正整数，n≥1，n为正整数；
其中，所述n为所述i和所述j的乘积。
可选地，所述样本相关度包括所属类簇的样本相关度和相邻类簇的样本相关度；所述计算每个所述初始状态聚类簇中的每个所述负荷样本的样本相关度的步骤，包括：
从每个所述初始状态聚类簇对应的多个负荷样本中选择第一负荷样本；
计算所述第一负荷样本和所述第一负荷样本对应的初始状态聚类簇中任意一个所述负荷样本之间的第一欧几里得距离；
采用所述第一欧几里得距离与预设调整参数，确定所述第一负荷样本的所属类簇的样本相关度；
计算所述第一负荷样本与所述相邻类簇中的任意一个负荷样本之间的第二欧几里得距离，确定所述第一负荷样本的相邻类簇的样本相关度；
选择所述第一负荷样本的下一个负荷样本作为新的第一负荷样本，返回计算所述第一负荷样本和所述第一负荷样本对应的初始状态聚类簇中任意一个所述负荷样本之间的第一欧几里得距离的步骤，直至确定每个所述负荷样本的所述所属类簇的样本相关度和所述相邻类簇的样本相关度；
其中，所述初始状态聚类簇具有对应的多个状态类别，所述相邻类簇指的是与所述第一负荷样本对应的初始状态聚类簇仅有一个状态类别不同的初始状态聚类簇。
可选地，所述根据所述样本相关度对n个所述初始状态聚类簇进行更新，生成n个目标状态聚类簇的步骤，包括：
比较所述第一负荷样本的所属类簇的样本相关度和所述第一负荷样本的相邻类簇的样本相关度；
当所述第一负荷样本的所属类簇的样本相关度小于或等于所述第一负荷样本的相邻类簇的样本相关度时，执行类簇调整操作；
生成n个目标状态聚类簇。
可选地，所述执行类簇调整操作的步骤，包括：
从所述第一负荷样本对应的初始状态聚类簇中删除所述第一负荷样本；
或者，
将所述第一负荷样本归类到所述第一负荷样本的相邻类簇的样本相关度最大的初始状态聚类簇。
可选地，所述对每个所述目标状态聚类簇中的多个负荷样本进行聚类，生成多个样本簇的步骤，包括：
使用系统聚类法对每个所述目标状态聚类簇中的多个负荷样本进行聚类，生成多个样本簇。
可选地，所述第一状态类别包括工作日类别和休息日类别，所述可调度电力包括可调节电力和最大可中断电力，所述根据n个所述目标状态聚类簇的目标负荷样本的峰值，确定所述预置终端的可调度电力的步骤，包括：
从n个所述目标状态聚类簇的目标负荷样本的峰值中选择所述工作日类别的最大峰值与所述休息日类别的最小峰值；
计算所述最大峰值与最小峰值之差，确定所述最大可中断电力；
从n个所述目标状态聚类簇的目标负荷样本的峰值中选择所述工作日类别的多个第一峰值；
分别计算所述最大峰值与所述多个第一峰值之差，确定多个所述可调节电力。
可选地，所述基于所述可调度电力，调整输出到所述预置终端的电力资源的步骤，包括：
以所述最大可中断电力和多个所述可调节电力建立多个调整梯度；
按多个调整梯度逐个减少输出到所述预置终端的电力资源。
本发明还提供了一种电力资源调度装置，包括：
样本获取模块，用于获取预置终端在目标时段的多个负荷样本；
初始状态聚类簇生成模块，用于按照预设状态指标对多个所述负荷样本进行聚类，生成n个初始状态聚类簇，n≥1，n为正整数；
样本相关度计算模块，用于计算每个所述初始状态聚类簇中的每个所述负荷样本的样本相关度；
目标状态聚类簇生成模块，用于根据所述样本相关度对n个所述初始状态聚类簇进行更新，生成n个目标状态聚类簇；
样本簇生成模块，用于对每个所述目标状态聚类簇中的多个负荷样本进行聚类，生成多个样本簇；
目标负荷样本确定模块，用于将所述负荷样本的数量大于预设阈值的样本簇的负荷样本中心确定为目标负荷样本；
可调度电力确定模块，用于根据n个所述目标状态聚类簇的目标负荷样本的峰值，确定所述预置终端的可调度电力；
电力资源调整模块，用于基于所述可调度电力，调整输出到所述预置终端的电力资源。
本发明还提供了一种电子设备，包括处理器以及存储器；
所述存储器，用于存储程序代码，并将所述程序代码传输给所述处理器；
所述处理器，用于根据所述程序代码中的指令执行上述的电力资源调度方法。
从以上技术方案可以看出，本发明具有以下优点：
在本发明实施例中，通过获取预置终端在目标时段的多个负荷样本，并按照预设状态指标对多个所述负荷样本进行聚类，生成n个初始状态聚类簇；计算每个初始状态聚类簇中每个负荷样本的样本相关度，以更新初始状态聚类簇为目标状态聚类簇；再对每个目标状态聚类簇中的多个负荷样本进行聚类，以生成多个样本簇；将负荷样本数量大于预设阈值的样本簇中的负荷样本中心作为目标负荷样本，比较n个目标状态聚类簇的目标负荷样本的峰值，以此确定预置终端的可调度电力，最后基于所述可调度电力，调整输出到所述预置终端的电力资源。从而解决现有技术中无法准确使用权重结合聚类结果反映用电状况，难以准确确定电网调度电力，进而导致电力分配不均的技术问题，能够准确确定多维度的可调度电力，同时较为全面地反映预置终端的用电状况，进而更为有效保障各终端的供电需求。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。
图1为本发明实施例提供的一种电力资源调度方法的步骤流程图；
图2为本发明可选实施例提供的一种电力资源调度方法的步骤流程图；
图3为本发明实施例的初始状态聚类簇的样本示意图；
图4为本发明实施例的可调度电力的样本示意图；
图5为本发明实施例提供的一种电力资源调度装置的结构框图。
具体实施方式
本发明实施例提供了一种电力资源调度方法、装置和电子设备，用于解决现有技术中无法准确使用权重结合聚类结果反映用电状况，难以准确确定电网调度电力，进而导致电力分配不均的技术问题。
为使得本发明的发明目的、特征、优点能够更加的明显和易懂，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，下面所描述的实施例仅仅是本发明一部分实施例，而非全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
请参阅图1，图1为本发明实施例提供的一种电力资源调度方法的步骤流程图。
本发明提供的一种电力资源调度方法，包括：
步骤101，获取预置终端在目标时段的多个负荷样本；
在具体实现中，为减少数据处理的负担，提高数据处理的速率，在负荷样本的数据采集中，需要根据预置终端所处的行业进行选择性的采集，也就是在目标时段内进行预置终端的多个负荷样本的获取。
例如，受气温影响较小的行业，可以采集全年的负荷数据以增加负荷样本容量，提高数据处理的准确度；而受气温影响较大的行业，采集目标时段内的负荷数据即可，如广东台风天气下的某工业的可调度电力，受气温影响较大的，可采集台风典型时期6月至10月的负荷数据。
步骤102，按照预设状态指标对多个所述负荷样本进行聚类，生成n个初始状态聚类簇，n≥1，n为正整数；
在本发明的另一个示例中，由于不同状态指标下的负荷样本可能没有可比性，例如热季工作日和冷季休息日。因此需要按照预设状态指标，对多个负荷样本进行聚类，生成n个初始状态聚类簇，以便于后续对每个初始状态聚类簇中的负荷样本进行对应的处理。
步骤103，计算每个所述初始状态聚类簇中的每个所述负荷样本的样本相关度；
步骤104，根据所述样本相关度对n个所述初始状态聚类簇进行更新，生成n个目标状态聚类簇；
在本发明实施例中，由于步骤102中仅是根据状态指标对负荷样本进行聚类，但可能由于在实际过程中，休息日可能会出现加班的情况，负荷样本所属的初始状态聚类簇可能不是与其相关度最大的聚类簇。因此需要计算每个初始状态聚类簇中的每个负荷样本的样本相关度，根据样本相关度对所述初始状态聚类簇进行更新，生成n个目标状态聚类簇，以保证每一个负荷样本与目标状态聚类簇的样本相关度最大。
步骤105，对每个所述目标状态聚类簇中的多个负荷样本进行聚类，生成多个样本簇；
在具体实现中，目标状态聚类簇中包括的多个负荷样本可能相差过大，为提高可调度电力的确定准确性，还需要多个负荷样本进行进一步的过滤，以得到最能反映预置终端的电量调度电力的负荷样本。因此可以将每个负荷样本看做一个类别，对每个所述目标状态聚类簇中的多个负荷样本进行聚类，生成多个样本簇。
步骤106，将所述负荷样本的数量大于预设阈值的样本簇的负荷样本中心确定为目标负荷样本；
在对多个负荷样本使用系统聚类法之后，从中选择负荷样本数量大于预设阈值的样本簇作为最能反映该预置终端在目标状态下的样本簇，而为了进一步提高准确度，选择所述样本簇的负荷样本中心，作为目标负荷样本，以供后续确定可调度电力所使用。
步骤107，根据n个所述目标状态聚类簇的目标负荷样本的峰值，确定所述预置终端的可调度电力；
在具体实现中，可调度电力是一种能力，衡量这种能力可以采用峰值，也可以采用平均值来衡量，但是对于某些用户，不同的生产状态在夜间差别可能不大，若取全天的平均值则会弱化用户在白天用电高峰期的调控能力，而采用峰值来衡量，更能够突出白天用电高峰期调控能力的差异。因此，根据n个所述目标状态聚类簇的目标负荷样本的峰值，可以确定预置终端的可调度电力。
步骤108，基于所述可调度电力，调整输出到所述预置终端的电力资源。
为了使电力资源能够最大化利用，尽可能保证终端的供电需求，在确定所述预置终端的可调度电力之后，还可以根据可调度电力，调整输出到所述预置终端的电力资源，以保障其他终端的供电。
在本发明实施例中，通过获取预置终端在目标时段的多个负荷样本，并按照预设状态指标对多个所述负荷样本进行聚类，生成n个初始状态聚类簇；计算每个初始状态聚类簇中每个负荷样本的样本相关度，以更新初始状态聚类簇为目标状态聚类簇；再对每个目标状态聚类簇中的多个负荷样本进行聚类，以生成多个样本簇；将负荷样本数量大于预设阈值的样本簇中的负荷样本中心作为目标负荷样本，比较n个目标状态聚类簇的目标负荷样本的峰值，以此确定预置终端的可调度电力，最后基于所述可调度电力，调整输出到所述预置终端的电力资源。从而解决现有技术中无法准确使用权重结合聚类结果反映用电状况，难以准确确定电网调度电力，进而导致电力分配不均的技术问题，能够准确确定多维度的可调度电力，同时较为全面地反映预置终端的用电状况，进而更为有效保障各终端的供电需求。
请参阅图2，图2为本发明可选实施例提供的一种电力资源调度方法的步骤流程图，包括：
步骤201，获取预置终端在目标时段的多个负荷样本；
在本发明实施例中，步骤201的具体实施过程与上述步骤101类似，在此不再赘述。
步骤202，按照预设状态指标对多个所述负荷样本进行聚类，生成n个初始状态聚类簇，n≥1，n为正整数；
可选地，所述预设状态指标包括i个第一状态类别和j个第二状态类别；所述步骤202包括以下子步骤S11-S12：
子步骤S11，按照所述i个第一状态类别对多个所述负荷样本进行聚类，生成i个第一状态聚类簇；i≥1，i为正整数；
子步骤S12，按照所述j个第二状态类别对每个所述第一状态聚类簇中的多个所述负荷样本进行聚类，生成n个初始状态聚类簇；j≥1，j为正整数，n≥1，n为正整数。
其中，所述n为所述i和所述j的乘积。
在具体实现中，往往预设状态指标可以包括多个，例如可以按照工作日和休息日划分为两类，再按照生产量或者其他指标划分为多类，如可以划分成生产热季、生产淡季和生产冷季三类，以此产生六种不同的初始状态聚类簇。
参见图3，图3示出了上述六种不同的初始状态聚类簇的样本示意图，反映工作日样本在生产热季的情况、工作日样本在生产淡季的情况、工作日样本在生产冷季的情况、休息日样本在生产热季的情况、休息日样本在生产淡季的情况和休息日样本在生产冷季的情况。
值得一提的是，工作日指用户正常工作的日期，而休息日除双休日节假日外，还包括其他非正常工作情况。按照生产量或相关指标，例如生产计划、产能、订单数量等反映生产水平的量，将状态分成不同水平，通常可分成生产热季、淡季和冷季，若生产量平稳，即可分为热季、淡季甚至不做划分。
步骤203，计算每个所述初始状态聚类簇中的每个所述负荷样本的样本相关度；
在本发明的一个示例中，所述样本相关度包括所属类簇的样本相关度和相邻类簇的样本相关度，所述步骤203包括以下子步骤S21-S24：
子步骤S21，从每个所述初始状态聚类簇对应的多个负荷样本中选择第一负荷样本；
可选地，为了计算每个所述初始状态聚类簇中的每个所述负荷样本的所属类簇的样本相关度和相邻类簇的样本相关度，首先选择第一负荷样本，以开始首次样本相关度的计算。
子步骤S22，计算所述第一负荷样本和所述第一负荷样本对应的初始状态聚类簇中任意一个所述负荷样本之间的第一欧几里得距离；
在具体实现中，负荷样本一般有96个点，因此在计算第一欧几里得距离时，可以通过以下公式进行计算：
Figure BDA0002627725320000091
其中，k取值为96，α为预设调整参数，α<0，在本式中i和j表示同一个初始状态聚类簇，m表示所述第一负荷样本在对应的初始状态聚类簇中的编号，n表示所述初始状态聚类簇中任意一个负荷样本的编号m≠n；xim表示第一负荷样本，xjn表示所述初始状态聚类簇中任意一个负荷样本，上标1至k为表达一个负荷样本的不同点。
子步骤S23，采用所述第一欧几里得距离与预设调整参数，确定所述第一负荷样本的所属类簇的样本相关度；
在本发明实施例中，可以通过以下公式计算第一负荷样本的所属类簇的样本相关度f(xim)：
Figure BDA0002627725320000101
其中，e为自然常数，nj表示初始状态聚类簇j中样本的总个数，在本式中i和j表示同一个初始状态聚类簇。
子步骤S24，计算所述第一负荷样本与所述相邻类簇中的任意一个负荷样本之间的第二欧几里得距离，确定所述第一负荷样本的相邻类簇的样本相关度；
可选地，所述第二欧几里得距离的计算方式可以参见以下公式：
Figure BDA0002627725320000102
其中，k取值为96，α为调整参数，α<0，在本式中i和j分别表示两个相邻的初始状态聚类簇，m表示所述第一负荷样本在对应的初始状态聚类簇中的编号，n表示所述相邻类簇中的第一负荷样本之间的编号，m≠n；xim表示第一负荷样本，xjn表示所述相邻类簇中的任意一个负荷样本，上标1至k为表达一个负荷样本的不同点。
所述第一负荷样本的相邻类簇的样本相关度可以通过以下公式进行计算：
Figure BDA0002627725320000103
其中，e为自然常数，nj表示初始状态聚类簇j中样本的总个数，在本式中i和j分别表示两个相邻的初始状态聚类簇。
子步骤S25，选择所述第一负荷样本的下一个负荷样本作为新的第一负荷样本，返回计算所述第一负荷样本和所述第一负荷样本对应的初始状态聚类簇中任意一个所述负荷样本之间的第一欧几里得距离的步骤，直至确定每个所述负荷样本的所述所属类簇的样本相关度和所述相邻类簇的样本相关度；
进一步地，在计算完第一负荷样本的所属类簇的样本相关度和所述相邻类簇的样本相关度之后，还需要对其他负荷样本进行计算，直至计算完所有初始状态类簇中的所有负荷样本的所属类簇的样本相关度和所述相邻类簇的样本相关度。
其中，所述初始状态聚类簇具有对应的多个状态类别，所述相邻类簇指的是与所述第一负荷样本对应的初始状态聚类簇仅有一个状态类别不同的初始状态聚类簇。
在本发明的可选实施例中，由于非相邻状态会受到多种因素共同影响，例如生产热季休息日和生产冷季的工作日负荷水平相近，但两者属于非相邻状态，本质上是不同的，计算之间的样本相关度没有意义。
步骤204，根据所述样本相关度对n个所述初始状态聚类簇进行更新，生成n个目标状态聚类簇；
在本发明的另一个示例中，所述步骤204可以包括以下子步骤S31-S33：
子步骤S31，比较所述第一负荷样本的所属类簇的样本相关度和所述第一负荷样本的相邻类簇的样本相关度；
子步骤S32，当所述第一负荷样本的所属类簇的样本相关度小于或等于所述第一负荷样本的相邻类簇的样本相关度时，执行类簇调整操作；
子步骤S33，生成n个目标状态聚类簇。
在具体实现中，在确定所述第一负荷样本的所属类簇的样本相关度和所述第一负荷样本的相邻类簇的样本相关度之后，为保证第一负荷样本的所属类簇的样本相关度大于所述第一负荷样本的相邻类簇的样本相关度，还需要比较所述第一负荷样本的所属类簇的样本相关度和所述第一负荷样本的相邻类簇的样本相关度，若是小于或等于的情况，则执行类簇调整操作，以保证生成的n个目标状态聚类簇中的负荷样本都是相关度最高的。
例如，负荷样本xAm采集时属于状态A，其相邻状态有B、C、D、E四种，xAm的所属类簇的样本相关度f(xAm)A为：
Figure BDA0002627725320000111
所述xAm的相邻类簇的样本相关度为：
对于B状态：
Figure BDA0002627725320000112
对于C状态：
Figure BDA0002627725320000121
对于D状态：
Figure BDA0002627725320000122
对于E状态：
Figure BDA0002627725320000123
其中，nA、nB、nC、nD和nE分别表示各初始状态类簇的负荷样本的数目；xAn、xBn、xCn、xDn和xEn；f(xAm)B、f(xAm)C、f(xAm)D和f(xAm)E分别表示各相邻类簇的样本相关度。
若是出现f(xAm)A小于或等于f(xAm)B、f(xAm)C、f(xAm)D或f(xAm)E的情况，例如某次双休日加班情况，则进一步地，所述子步骤S32中的“执行类簇调整操作”可以包括以下调整：
从所述第一负荷样本对应的初始状态聚类簇中删除所述第一负荷样本；
或者，
将所述第一负荷样本归类到所述第一负荷样本的相邻类簇的样本相关度最大的初始状态聚类簇。
在本发明实施例中，通过删除第一负荷样本或是移动所述第一负荷样本到相邻类簇的样本相关度最大的初始状态聚类簇中，从而保证生成的n个目标状态聚类簇中的负荷样本都是相关度最高的。
可选地，上述步骤105可以替换为以下步骤205：
步骤205，使用系统聚类法对每个所述目标状态聚类簇中的多个负荷样本进行聚类，生成多个样本簇。
系统聚类法指的是先将聚类的样本或变量各自看成一群，然后确定类与类间的相似统计量，并选择最接近的两类或若干个类合并成一个新类，计算新类与其他各类间的相似性统计量，再选择最接近的两群或若干群合并成一个新类，直到所有的样本或变量都合并成一类为止。
步骤206，将所述负荷样本的数量大于预设阈值的样本簇的负荷样本中心确定为目标负荷样本；
在本发明实施例中，所述步骤206的具体实施过程与步骤106类似，在此不再赘述。
步骤207，根据n个所述目标状态聚类簇的目标负荷样本的峰值，确定所述预置终端的可调度电力。
进一步地，所述第一状态类别包括工作日类别和休息日类别，所述可调度电力包括可调节电力和最大可中断电力，所述步骤207可以包括以下子步骤S41-S44：
子步骤S41，从n个所述目标状态聚类簇的目标负荷样本的峰值中选择所述工作日类别的最大峰值与所述休息日类别的最小峰值；
子步骤S42，计算所述最大峰值与最小峰值之差，确定所述最大可中断电力；
在本发明实施例中，可以从n个目标状态聚类簇的目标负荷样本的峰值中选择所述工作日类别的最大峰值和所述休息日类别的最小峰值，确定所述最大峰值和所述最小峰值之差，确定所述最大可中断电力，以保证能够将电力调配到更为需要的地方。
如图4所示，计算得到的热季工作日与冷季休息日的最大可中断电力为959.74kW。
子步骤S43，从n个所述目标状态聚类簇的目标负荷样本的峰值中选择所述工作日类别的多个第一峰值；
子步骤S44，分别计算所述最大峰值与所述多个第一峰值之差，确定多个所述可调节电力。
在具体实现中，工作日由于过多终端同时用电的话，可能会导致电网的电力负荷过大，无法稳定地提供电力。因此，需要获取工作日类别的多个第一峰值，计算最大峰值与所述多个第一峰值之差，确定多个可调节电力，以保证在能够给予预置终端工作需要的最低供电的同时，将部分电力调配到更为需要的地方。
如图4所示，计算得到的热季工作日和淡季工作日的可调节电力为120.02kW；计算得到的热季工作日和冷季工作日的可调节电力为296.75kW。
步骤208，基于所述可调度电力，调整输出到所述预置终端的电力资源。
可选地，所述步骤208可以包括以下子步骤S51-S52：
子步骤S51，以所述最大可中断电力和多个所述可调节电力建立多个调整梯度；
在本发明实施例中，为了能够准确地调整预置终端的电力资源输出，在获取到最大可中断电力和多个所述可调节电力之后，还需要以上述值建立多个调整梯度。
如图4所示，可以建立120.02、296.75和959.74等多个调整梯度，以便按照对应的状态类型进行调整。
子步骤S52，按多个调整梯度逐个减少输出到所述预置终端的电力资源。
在具体实现中，按照多个调整梯度，逐个减少输出到所述预置终端的电力资源，以达到在保证预置终端的生产需求的同时，能够尽可能保障其他终端的电力供应，最大化利用电力资源的技术目的。
在本发明实施例中，通过获取预置终端在目标时段的多个负荷样本，并按照预设状态指标对多个所述负荷样本进行聚类，生成n个初始状态聚类簇；计算每个初始状态聚类簇中每个负荷样本的所属类簇的样本相关度和相邻类簇的样本相关度，以更新初始状态聚类簇为目标状态聚类簇，保证所属类簇的样本相关度大于相邻类簇的样本相关度；再使用系统聚类法对每个目标状态聚类簇中的多个负荷样本进行聚类，以生成多个样本簇；将负荷样本数量大于预设阈值的样本簇中的负荷样本中心作为目标负荷样本，基于n个目标状态聚类簇的目标负荷样本工作日类别的最大峰值与休息日类别的最小峰值之差确定最大可中断电力，基于目标负荷样本的最大峰值与多个工作日类别的第一峰值之差确定多个可调节电力，最后基于多个所述可调节电力和最大可中断电力建立调整梯度，按调整梯度逐个减少输出到所述预置终端的电力资源。从而解决现有技术中无法准确使用权重结合聚类结果反映用电状况，难以准确确定电网调度电力，进而导致电力分配不均的技术问题，能够准确确定多维度的可调度电力，同时较为全面地反映预置终端的用电状况，进而更为有效保障各终端的供电需求。
参见图5，图5示出了本发明实施例的一种电力资源调度装置的结构框图，包括：
样本获取模块501，用于获取预置终端在目标时段的多个负荷样本；
初始状态聚类簇生成模块502，用于按照预设状态指标对多个所述负荷样本进行聚类，生成n个初始状态聚类簇，n≥1，n为正整数；
样本相关度计算模块503，用于计算每个所述初始状态聚类簇中的每个所述负荷样本的样本相关度；
目标状态聚类簇生成模块504，用于根据所述样本相关度对n个所述初始状态聚类簇进行更新，生成n个目标状态聚类簇；
样本簇生成模块505，用于对每个所述目标状态聚类簇中的多个负荷样本进行聚类，生成多个样本簇；
目标负荷样本确定模块506，用于将所述负荷样本的数量大于预设阈值的样本簇的负荷样本中心确定为目标负荷样本；
可调度电力确定模块507，用于根据n个所述目标状态聚类簇的目标负荷样本的峰值，确定所述预置终端的可调度电力；
电力资源调整模块508，用于基于所述可调度电力，调整输出到所述预置终端的电力资源。
本发明实施例还提供了一种电子设备，包括处理器以及存储器；
所述存储器，用于存储程序代码，并将所述程序代码传输给所述处理器；
所述处理器，用于根据所述程序代码中的指令执行任一实施例所述的电力资源调度方法。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本发明所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-OnlyMemory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.一种电力资源调度方法，其特征在于，包括：
获取预置终端在目标时段的多个负荷样本；
按照预设状态指标对多个所述负荷样本进行聚类，生成n个初始状态聚类簇，n≥1，n为正整数；
计算每个所述初始状态聚类簇中的每个所述负荷样本的样本相关度；
根据所述样本相关度对n个所述初始状态聚类簇进行更新，生成n个目标状态聚类簇；
对每个所述目标状态聚类簇中的多个负荷样本进行聚类，生成多个样本簇；
将所述负荷样本的数量大于预设阈值的样本簇的负荷样本中心确定为目标负荷样本；
根据n个所述目标状态聚类簇的目标负荷样本的峰值，确定所述预置终端的可调度电力；
基于所述可调度电力，调整输出到所述预置终端的电力资源。
2.根据权利要求1所述的方法，其特征在于，所述预设状态指标包括i个第一状态类别和j个第二状态类别；所述按照预设状态指标对多个所述负荷样本进行聚类，生成n个初始状态聚类簇，n≥1，n为正整数的步骤，包括：
按照所述i个第一状态类别对多个所述负荷样本进行聚类，生成i个第一状态聚类簇；i≥1，i为正整数；
按照所述j个第二状态类别对每个所述第一状态聚类簇中的多个所述负荷样本进行聚类，生成n个初始状态聚类簇；j≥1，j为正整数，n≥1，n为正整数；
其中，所述n为所述i和所述j的乘积。
3.根据权利要求1所述的方法，其特征在于，所述样本相关度包括所属类簇的样本相关度和相邻类簇的样本相关度；所述计算每个所述初始状态聚类簇中的每个所述负荷样本的样本相关度的步骤，包括：
从每个所述初始状态聚类簇对应的多个负荷样本中选择第一负荷样本；
计算所述第一负荷样本和所述第一负荷样本对应的初始状态聚类簇中任意一个所述负荷样本之间的第一欧几里得距离；
采用所述第一欧几里得距离与预设调整参数，确定所述第一负荷样本的所属类簇的样本相关度；
计算所述第一负荷样本与所述相邻类簇中的任意一个负荷样本之间的第二欧几里得距离，确定所述第一负荷样本的相邻类簇的样本相关度；
选择所述第一负荷样本的下一个负荷样本作为新的第一负荷样本，返回计算所述第一负荷样本和所述第一负荷样本对应的初始状态聚类簇中任意一个所述负荷样本之间的第一欧几里得距离的步骤，直至确定每个所述负荷样本的所述所属类簇的样本相关度和所述相邻类簇的样本相关度；
其中，所述初始状态聚类簇具有对应的多个状态类别，所述相邻类簇指的是与所述第一负荷样本对应的初始状态聚类簇仅有一个状态类别不同的初始状态聚类簇。
4.根据权利要求3所述的方法，其特征在于，所述根据所述样本相关度对n个所述初始状态聚类簇进行更新，生成n个目标状态聚类簇的步骤，包括：
比较所述第一负荷样本的所属类簇的样本相关度和所述第一负荷样本的相邻类簇的样本相关度；
当所述第一负荷样本的所属类簇的样本相关度小于或等于所述第一负荷样本的相邻类簇的样本相关度时，执行类簇调整操作；
生成n个目标状态聚类簇。
5.根据权利要求4所述的方法，其特征在于，所述执行类簇调整操作的步骤，包括：
从所述第一负荷样本对应的初始状态聚类簇中删除所述第一负荷样本；
或者，
将所述第一负荷样本归类到所述第一负荷样本的相邻类簇的样本相关度最大的初始状态聚类簇。
6.根据权利要求1所述的方法，其特征在于，所述对每个所述目标状态聚类簇中的多个负荷样本进行聚类，生成多个样本簇的步骤，包括：
使用系统聚类法对每个所述目标状态聚类簇中的多个负荷样本进行聚类，生成多个样本簇。
7.根据权利要求2所述的方法，其特征在于，所述第一状态类别包括工作日类别和休息日类别，所述可调度电力包括可调节电力和最大可中断电力，所述根据n个所述目标状态聚类簇的目标负荷样本的峰值，确定所述预置终端的可调度电力的步骤，包括：
从n个所述目标状态聚类簇的目标负荷样本的峰值中选择所述工作日类别的最大峰值与所述休息日类别的最小峰值；
计算所述最大峰值与最小峰值之差，确定所述最大可中断电力；
从n个所述目标状态聚类簇的目标负荷样本的峰值中选择所述工作日类别的多个第一峰值；
分别计算所述最大峰值与所述多个第一峰值之差，确定多个所述可调节电力。
8.根据权利要求7所述的方法，其特征在于，所述基于所述可调度电力，调整输出到所述预置终端的电力资源的步骤，包括：
以所述最大可中断电力和多个所述可调节电力建立多个调整梯度；
按多个调整梯度逐个减少输出到所述预置终端的电力资源。
9.一种电力资源调度装置，其特征在于，包括：
样本获取模块，用于获取预置终端在目标时段的多个负荷样本；
初始状态聚类簇生成模块，用于按照预设状态指标对多个所述负荷样本进行聚类，生成n个初始状态聚类簇，n≥1，n为正整数；
样本相关度计算模块，用于计算每个所述初始状态聚类簇中的每个所述负荷样本的样本相关度；
目标状态聚类簇生成模块，用于根据所述样本相关度对n个所述初始状态聚类簇进行更新，生成n个目标状态聚类簇；
样本簇生成模块，用于对每个所述目标状态聚类簇中的多个负荷样本进行聚类，生成多个样本簇；
目标负荷样本确定模块，用于将所述负荷样本的数量大于预设阈值的样本簇的负荷样本中心确定为目标负荷样本；
可调度电力确定模块，用于根据n个所述目标状态聚类簇的目标负荷样本的峰值，确定所述预置终端的可调度电力；
电力资源调整模块，用于基于所述可调度电力，调整输出到所述预置终端的电力资源。
10.一种电子设备，其特征在于，包括处理器以及存储器；
所述存储器，用于存储程序代码，并将所述程序代码传输给所述处理器；
所述处理器，用于根据所述程序代码中的指令执行权利要求1-8任一项所述的电力资源调度方法。
CN202010801985.3A 2020-08-11 2020-08-11 一种电力资源调度方法、装置和电子设备 Active CN111915211B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010801985.3A CN111915211B (zh) 2020-08-11 2020-08-11 一种电力资源调度方法、装置和电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010801985.3A CN111915211B (zh) 2020-08-11 2020-08-11 一种电力资源调度方法、装置和电子设备

Publications (2)

Publication Number Publication Date
CN111915211A true CN111915211A (zh) 2020-11-10
CN111915211B CN111915211B (zh) 2024-08-02

Family

ID=73283799

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010801985.3A Active CN111915211B (zh) 2020-08-11 2020-08-11 一种电力资源调度方法、装置和电子设备

Country Status (1)

Country Link
CN (1) CN111915211B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112966717A (zh) * 2021-02-04 2021-06-15 国网浙江省电力有限公司电力科学研究院 一种配电网可调资源的可调潜力聚合方法
CN114430374A (zh) * 2021-12-22 2022-05-03 天翼云科技有限公司 一种网络资源分配方法、装置及计算机设备
CN115587311A (zh) * 2022-09-09 2023-01-10 北京兆瓦云数据科技有限公司 一种虚拟电厂调节负荷分解与辨识方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019237492A1 (zh) * 2018-06-13 2019-12-19 山东科技大学 一种基于半监督学习的异常用电用户检测方法
CN110610280A (zh) * 2018-10-31 2019-12-24 山东大学 一种电力负荷短期预测方法、模型、装置及系统
CN110705616A (zh) * 2019-09-23 2020-01-17 广东电力交易中心有限责任公司 基于用电偏好进行用户负荷曲线聚类的方法及系统
CN110825826A (zh) * 2019-11-07 2020-02-21 深圳大学 聚类簇计算方法、装置、终端及存储介质

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019237492A1 (zh) * 2018-06-13 2019-12-19 山东科技大学 一种基于半监督学习的异常用电用户检测方法
CN110610280A (zh) * 2018-10-31 2019-12-24 山东大学 一种电力负荷短期预测方法、模型、装置及系统
CN110705616A (zh) * 2019-09-23 2020-01-17 广东电力交易中心有限责任公司 基于用电偏好进行用户负荷曲线聚类的方法及系统
CN110825826A (zh) * 2019-11-07 2020-02-21 深圳大学 聚类簇计算方法、装置、终端及存储介质

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
卜凡鹏;陈俊艺;张琪祁;田世明;丁坚勇;朱炳翔;: "一种基于双层迭代聚类分析的负荷模式可控精细化识别方法", 电网技术, no. 03, 29 September 2017 (2017-09-29) *
孙孝魁: "微电网的短期电力负荷预测研究与实现", 中国优秀硕士论文电子期刊网, no. 02, 15 February 2020 (2020-02-15) *
胡锋;朱承治;汪志华;: "基于改进K-means算法的电力负荷分类研究", 电子测量技术, no. 12, 23 June 2018 (2018-06-23), pages 44 - 48 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112966717A (zh) * 2021-02-04 2021-06-15 国网浙江省电力有限公司电力科学研究院 一种配电网可调资源的可调潜力聚合方法
CN114430374A (zh) * 2021-12-22 2022-05-03 天翼云科技有限公司 一种网络资源分配方法、装置及计算机设备
CN115587311A (zh) * 2022-09-09 2023-01-10 北京兆瓦云数据科技有限公司 一种虚拟电厂调节负荷分解与辨识方法

Also Published As

Publication number Publication date
CN111915211B (zh) 2024-08-02

Similar Documents

Publication Publication Date Title
CN111915211A (zh) 一种电力资源调度方法、装置和电子设备
CN113381417B (zh) 一种配电网台区三相负荷不平衡优化方法、装置及终端
Xu et al. Adaptive DE algorithm for novel energy control framework based on edge computing in IIoT applications
CN110675275A (zh) 一种虚拟电厂的需求侧响应用电负荷调控方法及系统
KR102478684B1 (ko) 앙상블 학습을 이용한 에너지 소비 예측 방법 및 상기 방법을 수행하는 컴퓨팅 장치
CN113300375B (zh) 一种考虑用户参与意愿差异的温控负荷需求响应控制方法
CN117490481B (zh) 冷却系统的冷却塔控制方法、装置、设备和存储介质
Chen et al. Residential short term load forecasting based on federated learning
CN113887809A (zh) 双碳目标下配电网供需平衡方法、系统、介质及计算设备
CN117559422A (zh) 基于画像的工业园区可调节功率区间估计方法、系统与计算机可读存储介质
CN112836871A (zh) 一种配电网可靠性预测方法、装置、设备和介质
Wang et al. Three-dimensional maturity model of regional power users against the background of the ubiquitous power internet of things
CN116644920A (zh) 一种智能停电管理方法及系统
Gligor et al. Power demand forecast for optimization of the distribution costs
CN112348235B (zh) 风光母线负荷自适应预测方法、装置、计算机设备
CN114580968A (zh) 一种用电管理方法、装置、设备和存储介质
CN113570164A (zh) 工业用户需求响应潜力预测方法和存储介质
CN114925546B (zh) 冷链负荷聚合参与电网调控的中标量分解方法、装置及存储介质
CN117791626B (zh) 一种智能综合电力箱电力供给优化方法
Sičaja et al. Evaluation of load forecast model performance in Croatian DSO
CN116526496B (zh) 一种新型电力系统负荷控制的辅助决策方法
CN117495203B (zh) 基于储能系统的多目标电能管理方法及系统
CN110297145B (zh) 一种基于多用户电能量数据深度分析的电压暂降检测方法
CN112308385A (zh) 用户最大电力需量调节方法、装置和设备
CN116799779A (zh) 一种电力短期负荷预测方法、装置、电子设备及存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant